一种河冰覆盖度遥感监测方法、电子设备及存储介质

摘要

本发明实施例提供一种河冰覆盖度遥感监测方法、电子设备及存储介质，该方法包括：进行河面无云部分的河水河冰判别，再进行河面有云部分的河水河冰判别，得到每幅河面光学图像中待观察河面的河水区域、待观察河面的河冰区域和待观察河面的云覆盖区域；将每幅河面光学图像中待观察河面的河水区域、待观察河面的河冰区域和待观察河面的云覆盖区域进行格网化，得到每个河面网格的河冰覆盖比例时间序列，根据每个河面网格的河冰覆盖比例时间序列确定每个河面网格的河冰物候信息；将每个河面网格的河冰物候信息代入预设拟合曲线，通过预设阈值对预设拟合曲线中的河冰物候信息进行筛选，得到每个河面网格最终河冰物候信息。有效提高检测精度。

权利要求

1.一种河冰覆盖度遥感监测方法，其特征在于，包括：

对连续时间的每幅河面光学图像，先进行河面无云部分的河水河冰判别，再进行河面有云部分的河水河冰判别，得到每幅河面光学图像中待观察河面的河水区域、待观察河面的河冰区域和待观察河面的云覆盖区域；

将每幅河面光学图像中待观察河面的河水区域、待观察河面的河冰区域和待观察河面的云覆盖区域进行格网化，得到每个河面网格的河冰覆盖比例时间序列，根据每个河面网格的河冰覆盖比例时间序列确定每个河面网格的河冰物候信息；

将每个河面网格的河冰物候信息代入预设拟合曲线，通过预设阈值对所述预设拟合曲线中的河冰物候信息进行筛选，得到每个河面网格最终河冰物候信息；

其中，所述预设拟合曲线是根据冻结期内无云部分的河冰比例和融化期内无云部分的河冰比例确定的；

其中，在所述得到每个河面网格最终河冰物候信息的步骤之后，所述方法还包括：计算连续时间的每个河水网格最终河冰物候信息平均值，根据所述连续时间的每个河水网格最终河冰物候信息平均值，对每个河水网格最终河冰物候信息进行时间上的数据质量控制评级，得到每个河水网格每年的时间数据质量评级信息；

获取每个河水网格每年的空间数据质量评级信息，根据每个河水网格每年的时间数据质量评级信息和每个河水网格每年的空间数据质量评级信息对每个河面网格最终河冰物候信息进行质量控制；

其中，所述最终河冰物候信息具体包括：最终河冰冻结日期和最终河冰解冻日期；

其中，所述根据所述连续时间的每个河水网格最终河冰物候信息平均值，对每个河水网格最终河冰物候信息进行时间上的数据质量控制评级的步骤，具体包括：计算连续时间的每个河水网格解冻日期平均值，然后计算连续时间中每个河水网格每年的解冻日期与解冻日期平均值的差值，得到每个河水网格每年的解冻日期偏差信息；

计算连续时间的每个河水网格冻结日期平均值，然后计算连续时间中每个河水网格每年的冻结日期与冻结日期平均值的差值，得到每个河水网格每年的冻结日期偏差信息；

按照预设评级规则，对每个河水网格每年的解冻日期偏差信息和每个河水网格每年的冻结日期偏差信息进行分析，得到每个河水网格每年的时间数据质量评级信息。

2.根据权利要求1所述河冰覆盖度遥感监测方法，其特征在于，所述将每幅河面光学图像中待观察河面的河水区域、待观察河面的河冰区域和待观察河面的云覆盖区域进行格网化，得到每个河面网格的河冰覆盖比例时间序列的步骤，具体包括：每幅河面光学图像中待观察河面的河水区域、待观察河面的河冰区域和待观察河面的云覆盖区域进行格网化，得到每幅河面光学图像中每个河面网格的河水区域和河冰区域，以得到每幅河面光学图像中每个河面网格的河冰覆盖率；

根据每幅河面光学图像中每个河面网格的河冰覆盖率得到每个河面网格的河冰覆盖比例时间序列。

3.根据权利要求1所述河冰覆盖度遥感监测方法，其特征在于，所述河面有云部分的河水河冰判别，具体包括：基于时间连续性上的河水河冰判别和基于空间连续性上的河水河冰判别。

4.根据权利要求3所述河冰覆盖度遥感监测方法，其特征在于，所述基于时间连续性上的河冰河水判别，具体包括：上午下午数据合成、连续三天数据合成和连续五天数据合成，其中，所述上午下午数据合成，具体包括：

若上午图像和下午图像中相同位置像素至少一个是河水像素，则合成的对应于每天的图像中该相同位置像素为河水像素；

若上午图像和下午图像中相同位置像素都为河冰像素，则合成的对应于每天的图像中该相同位置像素为河冰像素；或者，若上午图像和下午图像中相同位置像素中一个为河冰像素另一个为云像素，则合成的对应于每天的图像中该相同位置像素为河冰像素；

所述连续三天数据合成，具体包括：

若前一日图像和后一日图像中相同位置像素都为河冰像素，则当日图像中该相同位置像素的云像素更新为河冰像素；或者，若前一日图像和后一日图像中相同位置像素至少一个是河水像素，则当日图像中该相同位置像素的云像素更新为河水像素；

所述连续五天数据合成，具体包括：连续五天的图像中，

若除第三天外的四天中四个相同位置像素都不是河水像素且至少三个相同位置像素是河冰像素，则第三天图像中的该相同位置像素的云像素更新为河冰像素；或者，若除第三天外的四天中四个相同位置像素中至少三个为河水像素，则第三天图像中的该相同位置像素的云像素更新为河水像素；

所述上午下午数据合成在基于空间连续性上的河水河冰判别之前进行，所述连续三天数据合成和所述连续五天数据合成依次在基于空间连续性上的河水河冰判别之后进行。

5.根据权利要求3所述河冰覆盖度遥感监测方法，其特征在于，所述基于空间连续性上的河水河冰判别，具体包括：若云像素为靠近河岸的像素且所述云像素的相邻八像素中除陆地像素外全为河水像素，则判别所述云像素为河水像素；

若云像素为靠近河岸的像素且所述云像素的相邻八像素中除陆地像素外全为河冰像素，则判别所述云像素为河冰像素；

若云像素为非靠近河岸的像素且所述云像素的相邻四像素中至少三个为河冰像素，则判别所述云像素为河冰像素；或者，若云像素为非靠近河岸的像素且所述云像素的相邻四像素中至少三个为河水像素，则判别所述云像素为河水像素。

6.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至5任一项所述河冰覆盖度遥感监测方法的步骤。

7.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现如权利要求1至5任一项所述河冰覆盖度遥感监测方法的步骤。

说明书

一种河冰覆盖度遥感监测方法、电子设备及存储介质

技术领域

[0001] 本发明涉及信息处理技术领域，尤其涉及一种河冰覆盖度遥感监测方法、电子设备及存储介质。

背景技术

[0002] 春季河冰破裂较早，但是来自稀疏分布的水文站数据无法反映整个流域的破裂模式以及无法在整个河流范围内观察到河冰冻结破裂的过程，难以理解气候变暖如何影响河冰的破裂。目前，卫星遥感以其大规模、快速、周期性、多尺度、多时相、低成本等优势在河冰动态监测中发挥着重要作用且具有巨大的潜力来评估大规模的河冰破裂模式。因此，具有高时间分辨率的光学数据适用于监测河流冰物候和绘制河流冰盖范围，有助于了解河冰破裂过程。

[0003] 目前的监测河冰主要方法是：利用Landsat图像分析河冰冻结季节，通过视觉解译及NDWI阈值绘制河冰。或者利用Radarsat‑2图像的C波段Freeman‑Durden分解和冰芯晶体学分析应用河冰变化及河冰发育。也可以是通过摄像机及无人机，获取了航拍图像并测量了地面控制点，建立地理参考的表面模型，提取冰层厚度，空间分布和体积。

[0004] 但是这些手段和方法在高时间分辨率河冰信息获取方面，无法满足河流流域面积较大，河流不同区域河冰物候信息差异较大的问题，因此如何更有效的实现河冰覆盖度遥感监测已经成为业界亟待解决的问题。

发明内容

[0005] 本发明实施例提供一种河冰覆盖度遥感监测方法、电子设备及存储介质，用以解决上述背景技术中提出的技术问题，或至少部分解决上述背景技术中提出的技术问题。

[0006] 第一方面，本发明实施例提供一种河冰覆盖度遥感监测方法，包括：

[0007] 对连续时间的每幅河面光学图像，先进行河面无云部分的河水河冰判别，再进行河面有云部分的河水河冰判别，得到每幅河面光学图像中待观察河面的河水区域和待观察河面的河冰区域；

[0008] 将每幅河面光学图像中待观察河面的河水区域和待观察河面的河冰区域进行格网化，得到每个河面网格的河冰覆盖比例时间序列，根据每个河面网格的河冰覆盖比例时间序列确定每个河面网格的河冰物候信息；

[0009] 将每个河面网格的河冰物候信息代入预设拟合曲线，通过预设阈值对所述预设拟合曲线中的河冰物候信息进行筛选，得到每个河面网格最终河冰物候信息。

[0010] 更具体的，在所述得到每个河面网格最终河冰物候信息的步骤之后，所述方法还包括：

[0011] 计算连续时间的每个河水网格最终河冰物候信息平均值，根据所述连续时间的每个河水网格最终河冰物候信息平均值，对每个河水网格最终河冰物候信息进行时间上的数据质量控制评级，得到每个河水网格每年的时间数据质量评级信息；

[0012] 获取每个河水网格每年的空间数据质量评级信息，根据每个河水网格每年的时间数据质量评级信息和每个河水网格每年的空间数据质量评级信息对每个河面网格最终河冰物候信息进行质量控制。

[0013] 更具体的，所述最终河冰物候信息具体包括：最终河冰冻结日期和最终河冰解冻日期。

[0014] 更具体的，所述根据所述连续时间的每个河水网格最终河冰物候信息平均值，对每个河水网格最终河冰物候信息进行时间上的数据质量控制评级的步骤，具体包括：

[0015] 计算连续时间的每个河水网格解冻日期平均值，然后计算连续时间中每个河水网格每年的解冻日期与解冻日期平均值的差值，得到每个河水网格每年的解冻日期偏差信息；

[0016] 计算连续时间的每个河水网格冻结日期平均值，然后计算连续时间中每个河水网格每年的冻结日期与冻结日期平均值的差值，得到每个河水网格每年的冻结日期偏差信息；

[0017] 按照预设评级规则，对每个河水网格每年的解冻日期偏差信息和每个河水网格每年的冻结日期偏差信息进行分析，得到每个河水网格每年的时间数据质量评级信息。

[0018] 更具体的，所述将每幅河面光学图像中待观察河面的河水区域和待观察河面的河冰区域进行格网化，得到每个河面网格的河冰覆盖比例时间序列的步骤，具体包括：

[0019] 将每幅河面光学图像中待观察河面的河水区域和待观察河面的河冰区域格网化，得到每幅河面光学图像中每个河面网格的河水区域和河冰区域，以得到每幅河面光学图像中每个河面网格的河冰覆盖率；

[0020] 根据每幅河面光学图像中每个河面网格的河冰覆盖率得到每个河面网格的河冰覆盖比例时间序列。

[0021] 更具体的，所述河面有云部分的河水河冰判别，具体包括：基于时间连续性上的河水河冰判别和基于空间连续性上的河水河冰判别。

[0022] 更具体的，所述基于时间连续性上的河冰河水判别，具体包括：上午下午数据合成、连续三天数据合成和连续五天数据合成，其中，

[0023] 所述上午下午数据合成，具体包括：

[0024] 若上午图像和下午图像中相同位置像素至少一个是河水像素，则合成的对应于每天的图像中该相同位置像素为河水像素；

[0025] 若上午图像和下午图像中相同位置像素都为河冰像素，则合成的对应于每天的图像中该相同位置像素为河冰像素；或者，

[0026] 若上午图像和下午图像中相同位置像素中一个为河冰像素另一个为云像素，则合成的对应于每天的图像中该相同位置像素为河冰像素；

[0027] 所述连续三天数据合成，具体包括：

[0028] 若前一日图像和后一日图像中相同位置像素都为河冰像素，则当日图像中该相同位置像素的云像素更新为河冰像素；或者，

[0029] 若前一日图像和后一日图像中相同位置像素至少一个是河水像素，则当日图像中该相同位置像素的云像素更新为河水像素；

[0030] 所述连续五天数据合成，具体包括：连续五天的图像中，

[0031] 若除第三天外的四天中四个相同位置像素都不是河水像素且至少三个相同位置像素是河冰像素，则第三天图像中的该相同位置像素的云像素更新为河冰像素；或者，[0032] 若除第三天外的四天中四个相同位置像素中至少三个为河水像素，则第三天图像中的该相同位置像素的云像素更新为河水像素；

[0033] 所述上午下午数据合成在基于空间连续性上的河水河冰判别之前进行，所述连续三天数据合成和所述连续五天数据合成依次在基于空间连续性上的河水河冰判别之后进行。

[0034] 所述基于空间连续性上的河水河冰判别，具体包括：

[0035] 若云像素为靠近河岸的像素且所述云像素的相邻八像素中除陆地像素外全为河水像素，则判别所述云像素为河水像素；

[0036] 若云像素为靠近河岸的像素且所述云像素的相邻八像素中除陆地像素外全为河冰像素，则判别所述云像素为河冰像素；

[0037] 若云像素为非靠近河岸的像素且所述云像素的相邻四像素中至少三个为河冰像素，则判别所述云像素为河冰像素；或者，

[0038] 若云像素为非靠近河岸的像素且所述云像素的相邻四像素中至少三个为河水像素，则判别所述云像素为河水像素。

[0039] 第二方面，本发明实施例提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如第一方面所述河冰覆盖度遥感监测方法的步骤。

[0040] 第三方面，本发明实施例提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如第一方面所述河冰覆盖度遥感监测方法的步骤。

[0041] 本发明实施例提供的一种河冰覆盖度遥感监测方法、电子设备及存储介质，通过先进行河面无云部分的河水河冰判别，再进行河面有云部分的河水河冰判别，得到每幅河面光学图像中待观察河面的河水区域和待观察河面的河冰区域，有效识别云覆盖情况下，河面的河冰和河水区域分布情况，然后将其数据进行网格化划分，从而可以有效克服因河流流域分布较广，而导致的河流上游和下游河冰物候差异较大的情况，通过网格划分，从而实现对于每个网格的河冰物候分别进行分析，可以更准确的获得整个河流流域中各个位置的河冰物候信息，同时利用阈值和拟合筛选的方法对每个河面网格的河冰物候信息进行筛选，得到更准确的河冰物候信息，有效提高了河冰物候信息的可靠性的和准确性。

附图说明

[0042] 为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

[0043] 图1为本发明一实施例中所描述的河冰覆盖度遥感监测方法流程示意图；

[0044] 图2为本发明一实施例所描述的河冰覆盖范围和比例算法流程示意图；

[0045] 图3为本发明一实施例所描述的河冰覆盖度遥感监测装置示意图；

[0046] 图4为本发明一实施例所描述的电子设备结构示意图。

具体实施方式

[0047] 为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

[0048] 图1为本发明一实施例中所描述的河冰覆盖度遥感监测方法流程示意图，如图1所示，包括：

[0049] 步骤S1，对连续时间的每幅河面光学图像，先进行河面无云部分的河水河冰判别，再进行河面有云部分的河水河冰判别，得到每幅河面光学图像中待观察河面的河水区域、待观察河面的河冰区域和待观察河面的云覆盖区域；

[0050] 步骤S2，将每幅河面光学图像中待观察河面的河水区域、待观察河面的河冰区域和待观察河面的云覆盖区域进行格网化，得到每个河面网格的河冰覆盖比例时间序列，根据每个河面网格的河冰覆盖比例时间序列确定每个河面网格的河冰物候信息；

[0051] 步骤S3，将每个河面网格的河冰物候信息代入预设拟合曲线，通过预设阈值对所述预设拟合曲线中的河冰物候信息进行筛选，得到每个河面网格最终河冰物候信息。

[0052] 具体的，本发明实施例中所描述的连续时间的每幅河面光学图像是指的在一段持续时间内，每天至少一副的获取待测河面光学图像，例如在1992年‑2016年，这24年间的持续时间内，每天上午和下午所获取的待测河面光学图像，且每幅河面光学图像中均包含完整的待测河面。

[0053] 本发明实施例中所描述的河面光学图像可以是指MODIS光学图像，其可以通过搭载在Terra和Aqua两颗卫星上的中分辨率成像光谱仪(MODIS)来获取。其具有36个中等分辨率水平(0.25um‑1um)的光谱仪器，每天对地球表面观测一次，获取陆地和海洋温度、初级生产率、陆地表面覆盖、云、气溶胶、水汽和火情等目标的图像。此处采集的MODIS光学图像是500m分辨率的1‑7波段的表面反射率数据图像，并保证采集的每幅MODIS光学图像中包括完整的待观察河面。

[0054] 先进行河面无云部分的河水河冰判别，再进行河面有云部分的河水河冰判别具体为，先将图像上的河面没被云覆盖的地方直接判别为河水区域或者河冰区域，对河面没有被云覆盖的地方做河冰河水的判别的方法有多种，最常见的是NDSI(归一化积雪指数)判别法。

[0055] NDSI判别法的流程如下，NDSI指数的计算公式如下：

[0056] NDSI＝(band4‑band6)/(band4+band6)

[0057] 其中，band4和band6分别是指545565nm和16281652nm波段的反射率。通过对河面区域内MODIS无云图像的近红外波段反射率进行聚类分析，分别确定积雪、河冰和河水在近红外波段反射率的最大值阈值和最小值阈值。对河面图像中无云区域的每个像素点计算NDSI值，当NDSI值大于0.4，近红外波段反射率大于0.11及band4反射率大于0.10且近红外波段反射率介于河冰和积雪的阈值范围内，则判定像素为河冰像素，其余情况下的无云区域的像素则判定为河水像素。

[0058] 对图像上的河面被云覆盖的地方进行河水河冰判别，判别结果可以是所有河面上被云覆盖的地方是河水还是河冰都被判别出来，也可以是只有部分河面上被云覆盖的地方是河水还是河冰被判别出来，其余部分无法判别出来仍然是被云覆盖的地方。同时，经过河水河冰判别之后，会将每天至少一幅的MODIS光学图像合成每天一幅的图像，河面上云覆盖的地方除了无法判别的云像素仍然维持还是云像素以外，河面其余地方都判别成河水像素或者河冰像素。

[0059] 将每天的图像中待观察河面的河水区域、河冰区域和云覆盖区域进行网格划分，从而使得每幅河面光学图像均被划分为多个正方形网格，即多个河面网格，然后对每幅河面光学图像中每个河面网格的河水区域、待观察河面的河冰区域和待观察河面的云覆盖区域进行分析，确定对应于每天的图像的每个河面网格中河水、河冰和河面云的比例，基于对应于每天的图像的每个河面网格中河水、河冰和河面云的比例将对应于每天的图像的每个河面网格中河面云的比例重新分配给河水或河冰或河水河冰的组合，从而得到每个河面网格在无云条件下的河水和河冰的比例时间序列，即每个河面网格的河冰覆盖比例时间序列。

[0060] 本发明实施例中所描述的网格化可以是将河面光学图像划分为12.5/25/50公里格网，从而得到三种不同网格划分下每个河面网格的河冰覆盖比例时间序列。

[0061] 使用75％的冰作为判别阈值，确定河段中冰的面积比例占河流总面积比例大于75％的为冰时，将其定义为完全冻结的第一天，确定河段中冰的面积比例占河流总面积比例小于75％时，将其定义为开始融化的第一天，从完全冻结到开始融化所经历的时间为封河期(Cooley&Pavelsky)。

[0062] 根据河冰物候定义，从无云条件下的河水和河冰的比例时间序列中初步提取满足河冰物候的日期。完全冻结：前一天冰比例小于75％，之后大于75％的日期；开始融化：前一天冰比例大于75％，之后小于75％的日期，根据上述判断条件确定三种不同大小网格下，每个河面网格的河冰物候信息。

[0063] 经过统计对每年的河冰物候信息发现，完全冻结一般出现在9月‑来年1月份，开始融化一般出现在2月‑8月份。对历史数据中两个周期内无云的冰比例取平均值，并做多项式拟合，得到拟合曲线。对提取的连续时间内每个河面网格的河冰物候信息代入拟合曲线，判断其是否在日期范围，得到三种不同大小网格的最终连续时间的河冰物候信息。

[0064] 本发明实施例通过先进行河面无云部分的河水河冰判别，再进行河面有云部分的河水河冰判别，得到每幅河面光学图像中待观察河面的河水区域和待观察河面的河冰区域，有效识别云覆盖情况下，河面的河冰和河水区域分布情况，然后将其数据进行网格化划分，从而可以有效克服因河流流域分布较广，而导致的河流上游和下游河冰物候差异较大的情况，通过网格划分，从而实现对于每个网格的河冰物候分别进行分析，可以更准确的获得整个河流流域中各个位置的河冰物候信息，同时利用阈值和拟合筛选的方法对每个河面网格的河冰物候信息进行筛选，得到更准确的河冰物候信息，有效提高了河冰物候信息的可靠性的和准确性。

[0065] 在上述实施例的基础上，在所述得到每个河面网格最终河冰物候信息的步骤之后，所述方法还包括：

[0066] 计算连续时间的每个河水网格最终河冰物候信息平均值，根据所述连续时间的每个河水网格最终河冰物候信息平均值，对每个河水网格最终河冰物候信息进行时间上的数据质量控制评级，得到每个河水网格每年的时间数据质量评级信息；

[0067] 获取每个河水网格每年的空间数据质量评级信息，根据每个河水网格每年的时间数据质量评级信息和每个河水网格每年的空间数据质量评级信息对每个河面网格最终河冰物候信息进行质量控制。

[0068] 具体的，本发明实施例中所描述的每年的空间数据质量评级信息是以空间上以单个河水网格为单位，计算历年每个河水网格与相邻八个格点均值的偏差，将偏差小于10天质量评级划分为一级，将偏差在10‑20天划分为二级，将偏差在20‑30天划分为三级，将偏差在30‑40天划分为四级，将偏差大于40天划分为五级，得到每个河水网格每年的空间数据质量评级信息。

[0069] 本发明实施例中计算每个河水网格最终河冰物候信息平均值，计算每年的每个河水网格最终河冰物候信息平均值与河冰物候信息平均值的差值，将偏差小于10天质量评级划分为一级，将偏差在10‑20天划分为二级，将偏差在20‑30天划分为三级，将偏差在30‑40天划分为四级，将偏差大于40天划分为五级，得到每个河水网格每年的时间数据质量评级信息。

[0070] 将时间上、空间上质量控制评级皆为四、五级的河水网格去除，最终得到冻结/融化物候日期。

[0071] 本发明实施例通过分别计算每个河水网格每年的时间数据质量评级信息和每个河水网格每年的空间数据质量评级信息，对河冰物候信息进行质量控制，有效保证了河冰物候信息的可靠性和准确性。

[0072] 在上述实施例的基础上，所述最终河冰物候信息具体包括：最终河冰冻结日期和最终河冰解冻日期。

[0073] 所述根据所述连续时间的每个河水网格最终河冰物候信息平均值，对每个河水网格最终河冰物候信息进行时间上的数据质量控制评级的步骤，具体包括：

[0074] 计算连续时间的每个河水网格解冻日期平均值，然后计算连续时间中每个河水网格每年的解冻日期与解冻日期平均值的差值，得到每个河水网格每年的解冻日期偏差信息；

[0075] 计算连续时间的每个河水网格冻结日期平均值，然后计算连续时间中每个河水网格每年的冻结日期与冻结日期平均值的差值，得到每个河水网格每年的冻结日期偏差信息；

[0076] 按照预设评级规则，对每个河水网格每年的解冻日期偏差信息和每个河水网格每年的冻结日期偏差信息进行分析，得到每个河水网格每年的时间数据质量评级信息。

[0077] 具体的，本发明实施例中分别计算每年的解冻日期偏差信息和每年的冻结日期偏差信息，有效保证了时间数据质量评级信息的准确性。

[0078] 在上述实施例的基础上，所述基于时间连续性上的河冰河水判别，具体包括：上午下午数据合成、连续三天数据合成和连续五天数据合成，其中，

[0079] 所述上午下午数据合成，具体包括：

[0080] 若上午图像和下午图像中相同位置像素至少一个是河水像素，则合成的对应于每天的图像中该相同位置像素为河水像素；

[0081] 若上午图像和下午图像中相同位置像素都为河冰像素，则合成的对应于每天的图像中该相同位置像素为河冰像素；或者，

[0082] 若上午图像和下午图像中相同位置像素中一个为河冰像素另一个为云像素，则合成的对应于每天的图像中该相同位置像素为河冰像素；

[0083] 所述连续三天数据合成，具体包括：

[0084] 若前一日图像和后一日图像中相同位置像素都为河冰像素，则当日图像中该相同位置像素的云像素更新为河冰像素；或者，

[0085] 若前一日图像和后一日图像中相同位置像素至少一个是河水像素，则当日图像中该相同位置像素的云像素更新为河水像素；

[0086] 所述连续五天数据合成，具体包括：连续五天的图像中，

[0087] 若除第三天外的四天中四个相同位置像素都不是河水像素且至少三个相同位置像素是河冰像素，则第三天图像中的该相同位置像素的云像素更新为河冰像素；或者，[0088] 若除第三天外的四天中四个相同位置像素中至少三个为河水像素，则第三天图像中的该相同位置像素的云像素更新为河水像素；

[0089] 所述上午下午数据合成在基于空间连续性上的河水河冰判别之前进行，所述连续三天数据合成和所述连续五天数据合成依次在基于空间连续性上的河水河冰判别之后进行。

[0090] 上午下午数据合成具体是指，根据上午和下午的卫星观测结果，基于以下三个规则合成了云量覆盖条件下的每日河冰/水数据：假设短时间内河冰面积基本保持不变，对MODIS数据进行上下午星河冰的合成，合成算法描述如下：若上午或下午相同位置的像素至少一个是水体，则合成为水体；若上午星与下午星相同位置像素为河冰覆盖，则合成为河冰；若上午星和下午星相同位置像素有一个被云覆盖，而另一个为河冰，则合成为河冰。

[0091] 连续三天数据合成具体为，在时间窗口为三天时，认为在这一时间跨度内河冰面积维持不变，根据临近日的河冰信息将当天的云像素重新分类，算法如下：前一日与后一日相同位置像素同为河冰，则当日合成河冰的云像素为河冰；前一日与后一日相同位置像素至少一个是水体，则当日云像素分类为水体。

[0092] 连续五天合成具体为，基于河冰在时间上的连续性，通过连续五天的信息，去除第三天的云像素。算法描述如下：若除第三天外四天中至少三天为河冰且无水体出现，第三天云像素判别为河冰；若四天至少三天为水体，第三天云像素判别为水体；其他情况则保留原云像素值。

[0093] 具体地，此处采用临近像元法对有云部分的河面像素进行河水河冰判别，由于此临近像元法考虑了河岸的影响，进一步优化了判别过程。

[0094] 基于上述任一实施例，该方法中，所述基于对应于每天的图像中河水、河冰和河面云的比例将对应于每天的图像中河面云的比例重新分配给河水或河冰或河水河冰的组合，具体包括：

[0095] 若当天河冰覆盖比例大于90％，则将云覆盖比例指定为河冰部分；

[0096] 若当天河水覆盖比例大于90％，则将云覆盖比例指定为河水部分；或者，[0097] 若当天河水覆盖比例不超过90％且当天河冰覆盖比例不超过90％，则按当天河水与河冰的覆盖比例处理云覆盖部分，使得云覆盖部分重新赋值为河水部分和河冰部分。

[0098] 具体地，若当天河冰覆盖比例大于90％，则将云覆盖比例指定为河冰部分；若当天河水覆盖比例大于90％，则将云覆盖比例指定为河水部分；若当天河水覆盖比例不超过90％且当天河冰覆盖比例不超过90％，则按当天河水与河冰的覆盖比例处理云覆盖部分，使得云覆盖部分重新赋值为河水部分和河冰部分。例如，若某天河水、河冰和河面云比例为
95％：2％：3％，则判定3％的河面云的部分为河水，那么判定后当天的河水和河冰的比例为
98％：2％；若某天河水、河冰和河面云比例为1％：91％：8％，则判定8％的河面云的部分为河冰，那么判定后当天的河水和河冰的比例为1％：99％；若某天河水、河冰和河面云比例为
23％：56％：21％，则判定21％的河面云的部分中(23％/(23％+56％))＝29％是河水，(56％/(23％+56％))＝71％是河冰，那么判定后当天的河水和河冰的比例为(23％+21％×
29％)：(56％+21％×71％)＝29％：71％。

[0099] 本发明实施例提供的方法，通过对图像中无法判别的河面被云覆盖部分的重新分配，彻底将图像中的河面云部分去掉，得到了无云条件下的河水和河冰的比例时间序列。

[0100] 图2为本发明一实施例所描述的河冰覆盖范围和比例算法流程示意图，如图2所示，将MODIS光学数据先进行数据预处理，其中，MOD10A1是采集的每天上午的MODIS光学图像集合，MYD10A1是采集的每天下午的MODIS光学图像集合，然后进行晴空条件下河面河水河冰的判别，即判断图像中河面无云部分的河面是河水还是河冰，此处采用的NDSI及多波段阈值法，即通过NDSI的值和近红外波段等多个波段的反射率进行判别，得到初步的河冰判识结果。然后，进行云覆盖条件下河冰判别，即判断图像中河面有云部分的河面是河水还是河冰，首先进行上午下午数据合成，即将上午的河面数据和下午的河面数据合成一幅河面数据，具体流程是若上午图像和下午图像中相同位置像素至少一个是河水像素，则合成的对应于每天的图像中该相同位置像素为河水像素；若上午图像和下午图像中相同位置像素都为河冰像素，则合成的对应于每天的图像中该相同位置像素为河冰像素；若上午图像和下午图像中相同位置像素中一个为河冰像素另一个为云像素，则合成的对应于每天的图像中该相同位置像素为河冰像素。然后进行连续三天合成，即将连续三天的河面数据进行合成，具体流程是：若前一日图像和后一日图像中相同位置像素都为河冰像素，则当日图像中该相同位置像素的云像素更新为河冰像素；若前一日图像和后一日图像中相同位置像素至少一个是河水像素，则当日图像中该相同位置像素的云像素更新为河水像素；其它情况则维持该相同位置像素的云像素。然后，用临近像元法判别有云像素是河水像素还是河冰像素，具体流程是：若云像素为靠近河岸的像素且所述云像素的相邻八像素中除陆地像素外全为河水像素，则判别所述云像素为河水像素；若云像素为靠近河岸的像素且所述云像素的相邻八像素中除陆地像素外全为河冰像素，则判别所述云像素为河冰像素；若云像素为非靠近河岸的像素且所述云像素的相邻四像素中至少三个为河冰像素，则判别所述云像素为河冰像素；或者，若云像素为非靠近河岸的像素且所述云像素的相邻四像素中至少三个为河水像素，则判别所述云像素为河水像素；其余情况，云像素维持云像素。再然后，进行连续五天合成，即将连续五天的河面数据进行合成，具体流程是：连续五天的图像中，若除第三天外的四天中四个相同位置像素都不是河水像素且至少三个相同位置像素是河冰像素，则第三天图像中的该相同位置像素的云像素更新为河冰像素；若除第三天外的四天中四个相同位置像素中至少三个为河水像素，则第三天图像中的该相同位置像素的云像素更新为河水像素；其他情况则维持该相同位置的像素为云像素。然后根据每天的图像中待观察河面的河水区域、河冰区域和云覆盖区域，计算所述对应于每天的图像中河水面积、河冰面积和河面云面积的比例，并生成河水、河冰和河面云比例的时间序列。再对时间序列滤波，即对河面云比例进行重新分配，分配给河冰或河水或河冰和河水的组合，进一步去掉河面上被云层覆盖的区域，得到无云河冰河水比例时间序列。最后从无云河冰河水比例时间序列中提取河冰物候，得到河冰物候信息。

[0101] 图3为本发明一实施例所描述的河冰覆盖度遥感监测装置示意图，如图3所示，包括：观测模块310、分析模块320和监测模块330；其中，观测模块310用于对连续时间的每幅河面光学图像，先进行河面无云部分的河水河冰判别，再进行河面有云部分的河水河冰判别，得到每幅河面光学图像中待观察河面的河水区域、待观察河面的河冰区域和待观察河面的云覆盖区域；；其中，分析模块320用于将每幅河面光学图像中待观察河面的河水区域、待观察河面的河冰区域和待观察河面的云覆盖区域进行格网化，得到每个河面网格的河冰覆盖比例时间序列，根据每个河面网格的河冰覆盖比例时间序列确定每个河面网格的河冰物候信息；其中，监测模块330用于将每个河面网格的河冰物候信息代入预设拟合曲线，通过预设阈值对所述预设拟合曲线中的河冰物候信息进行筛选，得到每个河面网格最终河冰物候信息。

[0102] 本发明实施例提供的装置是用于执行上述各方法实施例的，具体流程和详细内容请参照上述实施例，此处不再赘述。

[0103] 本发明实施例通过先进行河面无云部分的河水河冰判别，再进行河面有云部分的河水河冰判别，得到每幅河面光学图像中待观察河面的河水区域和待观察河面的河冰区域，有效识别云覆盖情况下，河面的河冰和河水区域分布情况，然后将其数据进行网格化划分，从而可以有效克服因河流流域分布较广，而导致的河流上游和下游河冰物候差异较大的情况，通过网格划分，从而实现对于每个网格的河冰物候分别进行分析，可以更准确的获得整个河流流域中各个位置的河冰物候信息，同时利用阈值和拟合筛选的方法对每个河面网格的河冰物候信息进行筛选，得到更准确的河冰物候信息，有效提高了河冰物候信息的可靠性的和准确性。

[0104] 图4为本发明一实施例所描述的电子设备结构示意图，如图4所示，该电子设备可以包括：处理器(processor)410、通信接口(Communications Interface)420、存储器(memory)430和通信总线440，其中，处理器410，通信接口420，存储器430通过通信总线440完成相互间的通信。处理器410可以调用存储器430中的逻辑指令，以执行如下方法：对连续时间的每幅河面光学图像，先进行河面无云部分的河水河冰判别，再进行河面有云部分的河水河冰判别，得到每幅河面光学图像中待观察河面的河水区域、待观察河面的河冰区域和待观察河面的云覆盖区域；将每幅河面光学图像中待观察河面的河水区域、待观察河面的河冰区域和待观察河面的云覆盖区域进行格网化，得到每个河面网格的河冰覆盖比例时间序列，根据每个河面网格的河冰覆盖比例时间序列确定每个河面网格的河冰物候信息；将每个河面网格的河冰物候信息代入预设拟合曲线，通过预设阈值对所述预设拟合曲线中的河冰物候信息进行筛选，得到每个河面网格最终河冰物候信息。

[0105] 此外，上述的存储器430中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read‑Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。

[0106] 本发明实施例公开一种计算机程序产品，所述计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序，所述计算机程序包括程序指令，当所述程序指令被计算机执行时，计算机能够执行上述各方法实施例所提供的方法，例如包括：对连续时间的每幅河面光学图像，先进行河面无云部分的河水河冰判别，再进行河面有云部分的河水河冰判别，得到每幅河面光学图像中待观察河面的河水区域、待观察河面的河冰区域和待观察河面的云覆盖区域；将每幅河面光学图像中待观察河面的河水区域、待观察河面的河冰区域和待观察河面的云覆盖区域进行格网化，得到每个河面网格的河冰覆盖比例时间序列，根据每个河面网格的河冰覆盖比例时间序列确定每个河面网格的河冰物候信息；将每个河面网格的河冰物候信息代入预设拟合曲线，通过预设阈值对所述预设拟合曲线中的河冰物候信息进行筛选，得到每个河面网格最终河冰物候信息。

[0107] 本发明实施例提供一种非暂态计算机可读存储介质，该非暂态计算机可读存储介质存储服务器指令，该计算机指令使计算机执行上述各实施例提供的方法，例如包括：对连续时间的每幅河面光学图像，先进行河面无云部分的河水河冰判别，再进行河面有云部分的河水河冰判别，得到每幅河面光学图像中待观察河面的河水区域、待观察河面的河冰区域和待观察河面的云覆盖区域；将每幅河面光学图像中待观察河面的河水区域、待观察河面的河冰区域和待观察河面的云覆盖区域进行格网化，得到每个河面网格的河冰覆盖比例时间序列，根据每个河面网格的河冰覆盖比例时间序列确定每个河面网格的河冰物候信息；将每个河面网格的河冰物候信息代入预设拟合曲线，通过预设阈值对所述预设拟合曲线中的河冰物候信息进行筛选，得到每个河面网格最终河冰物候信息。

[0108] 以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。

[0109] 通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。

[0110] 最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。